-
使用机器学习对数十亿图像中的文本进行索引，会发生什么？
在我们之前的博文中，我们讨论了如何更新Dropbox搜索引擎，以将智能添加到用户的工作流程中，以及我们如何构建光学字符识别（OCR）管道。用户将从这些变化中看到的最具影响力的好处之一是，Dropbox Professional和Dropbox Business Advanced 和企业计划的用户可以使用我们描述为自动图像文本识别的系统在图像和PDF中搜索英文文本。
-
一个完整的机器学习项目在Python中演练（四）
大家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介绍一个针对真实世界实际数据集的完整机器学习解决方案，让你了解所有部分如何结合在一起。
-
一个完整的机器学习项目在Python中的演练（三）
大家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介绍一个针对真实世界实际数据集的完整机器学习解决方案，让你了解所有部分如何结合在一起。
-
一个完整的机器学习项目在Python中的演练（二）
大家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介绍一个针对真实世界实际数据集的完整机器学习解决方案，让您了解所有部分如何结合在一起。
-
一个完整的机器学习项目在Python中的演练（一）
大家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介绍一个针对真实世界实际数据集的完整机器学习解决方案，让您了解所有部分如何结合在一起。
-
解决机器学习问题的一般流程
本期将针对机器学习的新朋友，为大家讲解解决机器学习问题的一般思路：很多博客、教程中都对机器学习、深度学习的具体方法有很详细的讲解，但却很少有人对机器学习问题的流程进行总结，而了解解决机器学习问题的一般流程对于新手而言还是非常必要的，所以本文是非常适合机器学习入门者的一篇文章，它会让你对机器学习的整个流程有很好的理解。
-
从零开始编写任意机器学习算法的6个步骤：关于感知器案例的研究
写一个机器学习算法是一次非常有意义的学习经历
-
微软开源机器学习框架——infer.NET
并不是每天都能看到基于模型的机器学习的顶级跨平台框架之一对全世界的所有人开放。今天，微软又开源了一个非常重要的机器学习框架：infer.NET，采用的是MIT许可证，以便在商业应用中免费使用。
-
深度学习中的贝叶斯统计简介
贝叶斯用概率反映知识状态的确定性程度。数据集能够被直接观测到，因此不是随机的。另一方面，真实参数θ是未知或不确定的，因此可以表示成随机变量。在观察到数据前，我们将θ的已知知识表示成先验概率分布(prior probability distribution),p(θ)(有时简单地称为”先验”)。 相对于最大似然估计，贝叶斯估计有两个重要区别：(1)、不像最大似然方法预测时使用θ的点估计，贝叶斯方法使
-
K-最近邻法(KNN)简介
K-最近邻法(K-Nearest Neighbor, KNN)最初由Cover和Hart于1968年提出，是一个在理论上比较成熟的分类算法。 KNN是一类可用于分类或回归的技术。作为一个非参数学习算法，K-最近邻并不局限于固定数目的参数。我们通常认为K-最近邻算法没有任何参数，而且使用训练数据的简单函数。事实上，它甚至也没有一个真正的训练阶段或学习过程。反之，在测试阶段我们希望在新的测试输入x上产
-
关于机器学习的领悟与反思（张志华北大数学系教授）
张志华教授：机器学习——统计与计算之恋COS访谈第十九期：张志华教授张志华老师教学之感悟部分共享资料见链接: https://pan.baidu.com/s/1bpGc0nP 密码: 49ei张志华北京大学数学学院教授，北京大数据研究院高级研究员。曾在浙江大学和上海交通大学计算机系任教。主要从事机器学习与应用统计等领域的教学与科研工作。张志华老师主页张志华老师实验室近年来，人工智能的强势崛起，特别
-
关于机器学习你必须了解的十个真相
作为一个经常向非专业人士解释机器学习的人，我整理了以下十点内容作为对机器学习的一些解释说明。机器学习意味着从数据中学习；而AI则是一个时髦的词。机器学习并不像天花乱坠的宣传那样：通过向适当的学习算法提供适当的训练数据，你可以解决无数的难题。把它称之为AI吧，如果这有助于销售你的AI系统的话。但你要知道，AI只是一个时髦的词，这只代表了人们对它的期望而已。机器学习主要涉及到数据和算法，但最主要的还是
-
数据科学家最常用的十种算法
数据科学家最常用的十种算法 数据科学家最常用的十种算法来源：数据挖掘编辑：Gemini 最新一期的 KDnuggets 调查展示了一份数据科学家使用度最高的算法列表，这份列表中包含了很多惊喜，包括最学术的算法和面向产业化的算法。哪些方法/算法是您在过去 12 个月中运用到一个实际的数据科学相关的应用程序中的？这是基于 844 个投票者的结果排
-
「AlphaGo 之父」David Silver最新演讲，传授强化学习的十大原则
「AlphaGo 之父」David Silver最新演讲，传授强化学习的十大原则 https://blog.csdn.net/weixin_42137700/article/details/82847988 演讲课件地址：http://www.deeplearningindaba.com/uploads/1/0/2/6/102657286/principles_of
-
NLP&深度学习：近期趋势概述
NLP&深度学习：近期趋势概述https://blog.csdn.net/weixin_42137700/article/details/82800371 摘要：当NLP遇上深度学习，到底发生了什么样的变化呢？ 在最近发表的论文中，Young及其同事汇总了基于深度学习的自然语言处理（NLP）系统和应用程序的一些最新趋势。本文的重点介绍是对各种NLP任务（如视觉问答（QA
-
一句话总结卷积神经网络
一句话总结卷积神经网络核心：一个共享权重的多层复合函数。卷积神经网络在本质上也是一个多层复合函数，但和普通神经网络不同的是它的某些权重参数是共享的，另外一个特点是它使用了池化层。训练时依然采用了反向传播算法，求解的问题不是凸优化问题。和全连接神经网络一样，卷积神经网络是一个判别模型，它既可以用于分类问题，也可以用用于回归问题，并且支持多分类问题。
-
一句话总结K均值算法
一句话总结K均值算法核心：把样本分配到离它最近的类中心所属的类，类中心由属于这个类的所有样本确定。k均值算法是一种无监督的聚类算法。算法将每个样本分配到离它最近的那个类中心所代表的类，而类中心的确定又依赖于样本的分配方案。这是一个先有鸡还是先有蛋的问题。在实现时，先随机初始化每个类的类中心，然后计算样本与每个类的中心的距离，将其分配到最近的那个类，然后根据这种分配方案重新计算每个类的中心。这也是一
-
一句话总结随机森林
一句话总结随机森林 核心：用有放回采样的样本训练多棵决策树，训练决策树的每个节点是只用了无放回抽样的部分特征，预测时用这些树的预测结果进行投票。随机森林是一种集成学习算法，它由多棵决策树组成。这些决策树用对训练样本集随机抽样构造出样本集训练得到。随机森林不仅对训练样本进行抽样，还对特征向量的分量随机抽样，在训练决策树时，每次分裂时只使用一部分抽样的特征分量作为候选特征进行分裂。 
-
30行代码消费腾讯人工智能开放平台提供的自然语言处理API
腾讯人工智能AI开放平台上提供了很多免费的人工智能API，开发人员只需要一个QQ号就可以登录进去使用。腾讯人工智能AI开放平台的地址：https://ai.qq.com/里面的好东西很多，以自然语言处理的人工智能API为例。假设我们有一个句子：腾讯AI人工智能开放平台。我们希望用腾讯的人工智能开放平台里提供的自然语言处理API对这个句子进行智能分词。用您的QQ号登录腾讯人工智能开放平台，创建一个新
-
CentOS下安装pip 18.0
进入https://pypi.python.org/pypi/pip, 下载pip-18.0.tar.gz[root@bogon /]# cat /etc/redhat-releaseCentOS Linux release 7.2.1511 (Core) [root@bogon /]# pythonPython 2.7.5 (default, Nov 20 2015, 02:00:19) [GC
